Radar time series

=>

Thuy le Toan, Thi-Hoa Phan and Alexandre Bouvet from CESBIO just released a nice result on ESA website obtained with time series of Sentinel- 1A images.

 

 
On this very cloudy region, the C band radar Sentinel-1A allows to monitor the growth stages of rice, and allow to detect a large reduction of the surface of rice crops at the end of 2015, 2015, in the Mekong delta region. This region suffered from a severe drought related to the El Niño. This news gives us the opportunity to recall that Sentinel familly will receive a new member, Sentinel-1B, to be launched on April the 22nd.

It may be also an opportunity to great new authors on this blog, for instance to explain us how this nice result was obtained ?

Séries temporelles au radar

=>

Thuy le Toan, Thi-Hoa Phan et Alexandre Bouvet du CESBIO viennent de publier sur le site de l'ESA un beau résultat obtenu avec des séries temporelles d'images Sentinel...1-A (pour une fois sur ce blog, ce n'est pas Sentinel-2)

 

 

Sur cette région très nuageuse, Sentinel-1A permet de bien suivre les stades de croissance du riz, et a permis de détecter une forte diminution des cultures de riz sur le delta du Mekong, sur la fin de l'année 2015 marquée par une grande sécheresse liée au phénomène El Niño. Ce communiqué est l'occasion de vous rappeler que la famille des Sentinel va encore s'agrandir avec le lancement du satellite Sentinel-1B, ce vendredi 22 avril.

C'est aussi peut-être l'occasion d’accueillir de nouveaux auteurs sur ce blog, par exemple pour nous expliquer comment ce résultat a été obtenu ?

First Sentinel-2 snow map

=>

 

In the framework of the THEIA land data center, we have developed a simple but robust method to map the snow cover from Sentinel-2-like level 2A products. This code was tested with SPOT-4 Take-5 and Landsat-8 series, but it remained to adapt it so that it can run on real Sentinel-2 images! This is now done thanks to Manuel Grizonnet, which allowed us to process the Sentinel-2A image acquired on 06-July-2015 in the Pyrenees as a first example. This image was produced at level 2A by Olivier Hagolle using the MACCS processor. The snow mask from Sentinel-2 images is calculated at 20 m resolution after resampling the green and red bands that are originally at 10 m resolution while the NIR band is at 20 m.

How to make sure everything went well? We can control the snow mask by superposing the mask boundaries on a false color composite:

 

The Sentinel-2A image of 06-July-2015 (level 2A, tile 30TYN) and its snow mask. The snow mask is in magenta and the background image is a color composite RGB NIR/Red/Green. We also show a zoom in the Vignemale area.

Continue reading

Premier masque de neige Sentinel-2

=>

Dans le cadre du Centre d'expertise scientifique THEIA "surface enneigée" nous avons développé une méthode simple et robuste pour détecter la neige à haute-resolution à partir des produits de niveau 2A de type Sentinel-2. Ce code a été testé sur des séries SPOT-4 Take-5 et Landsat-8, mais il restait à l'adapter pour qu'il puisse tourner sur de vraies images Sentinel-2 ! C'est chose faite grâce à Manuel Grizonnet, ce qui nous a permis de traiter l'image Sentinel-2A du 06-juillet-2015 sur les Pyrénées. Cette image avait été produite au niveau 2A par Olivier Hagolle avec la chaine MACCS. Le masque de neige est calculé à 20 m de résolution après ré-échantillonnage des bandes vertes et rouges qui sont d'origine à 10 m de résolution alors que la bande MIR est à 20 m. Continuer à lire

The snow cover area of the Canigou mountain in January since 1985

=>

Franck Roux told this sentence in his lecture "Should we be afraid of climate change?" given at the University Paul Sabatier on December 10, 2015 (I quote from memory):
 

"The human being is a very good weather sensor, but it is a poor climate sensor."

 

Since our memory can play tricks on us, satellite images are valuable data. As we have seen in a previous article, the snow cover area in the Pyrenees was rather small in January 2016. We can reconstruct the snow extent across the whole mountain range since 2000 with MODIS or even 1998 with SPOT-VGT. However if you want to zoom in on a specific region, the spatial resolution offered by these sensors quickly becomes insufficient so we must turn to the Landsat archive. Continue reading

Enneigement du Canigou en janvier depuis 1985

=>

Franck Roux a prononcé cette phrase lors de sa conférence "Faut-il avoir peur du changement climatique" donnée à l'Université Paul Sabatier le 10 décembre 2015 (je cite de tête) :
 

"L'être humain est un très bon capteur météorologique, mais il est un piètre capteur climatologique."

 

Puisque notre mémoire peut nous jouer des tours, les archives satellites sont précieuses. Comme nous l'avons vu dans un article précédent, l'enneigement en janvier 2016 était plutôt déficitaire dans les Pyrénées. On peut reconstituer l'enneigement à l'échelle des Pyrénées depuis l'an 2000 avec MODIS voire 1998 avec SPOT-VGT. En revanche si on veut zoomer sur un massif en particulier, la résolution spatiale offerte par ces capteurs devient vite insuffisante et il faut se tourner vers l'archive Landsat. Continuer à lire

Estimation of evapo-transpiration over a water catchment

Evapotranspiration is a key factor to estimate the water quantities involved in the water cycle. For instance, one extimates that 60% of rain water is evapo-transpirated, and wheat plant releases 500mm of water through evapotraspiration. It is therefore useful to monitor this variable along the agricultural seasons, to estimate the crop water needs and maybe identify the water stress periods and measure their impact.

 


Plant evapo-transpiration process

 

In the framework of the SIRHYUS project, in which CESBIO is deeply involved, a prototype of a processor was developped to estimate evapo-transpiration at the scale of a water catchment. The selected catchment is the Fresquel one, which is a 937 km² catchment, in the South of France, near Carcassonne and its famous medieval fortress. The main crops there are cereals, sunflower, vineyards, and, to a lesser extent, corn and rapeseed.


Study zone, the Fresquel catchment

 

As already explained in the post that describes the Sat-irr model, the FAO-56 (Allen & al. 1998) was used and spatialised. The FAO-56 models the E.T. of any crop type is equal to the reference E.T. (written E.T0), multiplied by an empirical crop factor KC. E.T.0 is itself computed with the de Penman-Monteith equation. The crop coefficient KC depends on the biological features of the plant (height, leaf surface, photosynthesis type…) and of its development stage.

 

The Penman-Monteith relies on weather data (temperature, humidity etc.) which are available through the global weather analyses (NCEP, ECMWF) in quasi real time. Some python scripts were developped to automatise the data download.These algorithms are available here.

 

The Landsat Images provided by the THEIA land data center after atmospheric correction, were used to control the value of the Kc coefficient as a function of the plant phenological cycle : the NDVI, computed from and red and near-infrared bands extracted from the images allows to monitor the growth of the crops. These images are also used to obtain land cover maps, as detailed here, and to associate a crop coefficient to each pixel.

 

It is then possible to obtain evapo-transpiration maps for all the catchment,and to provide them through a website (click on evapo-transpiration). The next figure is a screen copy of this web site : on each pixel of the catchment, it is possible to read the whole year evapo-transpiration profile, sampled every 8 days.

 


Screen copy of the evapo-transpiration web page. The bottom plot provides the evapo-transpiration of several crops as a function of time (light green, meadows, red, vineyards, purple, sunflower, and pink, vegetables).

 

These maps are further processed to obtain soil water content maps on the catchment area.


The bottom plot provides the soil water content  (%) as a function of time..

 

Several validation campaigns were lead on the CESBIO sites in Lamasquère and Auradé near Toulouse, between 2006 and 2011. The plot below shows a comparison between the terrain measured evapo-transpiration, and the one modelled by our processing,  for a corn plot.

 


Comparison of terrain ET, in black and ET modelled through remote sensing data (in red) in mm. RMSE is 0.27 mm.

.

As the risk of water shortages is becoming more frequent, such a work allows to better understand the water needs at the scale of a catchment, and the knowledge of the ground water content can be used to optimise irrigation and spare some of this precious resource. With the arrival of Sentinel-2, and with its more frequent observations, such a monitoring will be more accurate and reliable.

 

 

 

 

Estimation de l'évapotranspiration à l'échelle d'un bassin versant.

=>

L’évapotranspiration est un facteur clé pour estimer les quantités mises en jeu dans le cycle de l’eau. On estime par exemple que 60% des quantités d’eau de pluie sont évapotranspirées, et par exemple, un plan de blé rejette environ 500mm d'eau par an via le processus d'évapotranspiration.  Les volumes en question sont donc très importants. Suivre l’évolution de cette variable au cours d’une campagne agricole permet à la fois d'estimer les besoins en eau des plantes, mais aussi d’identifier des périodes de stress hydrique et d’en estimer spatialement l’importance. Le suivi de cet indicateur constitue un enjeu crucial dans la gestion de la ressource en eau à l’échelle de la parcelle mais aussi du bassin versant.

Schéma explicatif du processus d'évapotranspiration des plantes

 

 

Dans le cadre du projet SIRHYUS mené en partie au CESBIO, un prototype de chaîne de traitement de données spatiales a été développé afin d’apporter des éléments de réponse à cette problématique à l’échelle d’un bassin versant. La zone d’étude retenue est le Fresquel, un bassin versant de 937 km², situé entre Castelnaudary (le cassoulet) et Carcassonne (la forteresse). Les principales cultures présentes sur ce bassin sont les suivantes : céréales, tournesol, vigne et -dans une moindre mesure- maïs et colza.

 

Zone d'étude : le bassin versant du Fresquel

Comme dans l’article présentant le modèle Sat-irr, le modèle FAO-56 (Allen & al. 1998) a été utilisé en ajoutant un module spatial. Le modèle FAO-56 propose la modélisation de l’ET de tout type de plante en modulant -via un coefficient empirique KC- l’ET de référence (noté ET0), elle-même calculée avec l’équation de Penman-Monteith. Ce coefficient KC dépend des propriétés biologiques de la plante (hauteur, taille des feuilles, type de photosynthèse…) et de son stade de développement.

 

L’équation de Penman-Monteith nécessite en entrée des données météorologiques (température, humidité etc.) qu’il est possible d’obtenir via des modèles globaux (NCEP, ECMWF) en quasi  temps réel. Afin d’automatiser entièrement la réception de ces données, des algorithmes ont été développés en python. Ils sont disponibles ici.

 

Les images landsat fournies par le centre de donnéeq Theia ont été utilisées pour ajuster le coefficient KC au plus proche du cycle phénologique des plantes. L'utilisation de ces images satellitaires fournit en effet une vision synoptique et quasi temps réel du développement des cultures de la zone étudiée : le NDVI calculé à partir des bandes rouge et InfraRouge, interpolé sur l’ensemble de la saison agricole permet de suivre en temps réel et de façon spatialisée les stades de croissance réels des cultures. Ce recours aux images multitemporelles permet alors d’obtenir une meilleure estimation de l’ET.

 

La connaissance des cultures agricoles sur le bassin permet alors la spatialisation de l’ensemble du modèle en attribuant à chaque pixel, les coefficients culturaux de l’espèce identifiée sur la carte d’occupation du sol.


Ainsi il est possible d'obtenir des cartes d'estimation de l'évapotranspiration à l'échelle d'un bassin versant, disponibles via une interface Web, (rubrique "Evapotranspiration"). La figure suivante est une capture d'écran de l'interface Web produite au CESBIO : sur chaque pixel du bassin versant il est possible d'obtenir la chronique de l'évapotranspiration estimée sur l'ensemble de l'année écoulée, au pas de temps 8 jours et sur l'année entière.

 

Capture écran de l'application web "évapotranspiration". Le graphique au bas de l'image représente l'évapotranspiration de différentes espèces en fonction du temps (vert clair : prairies permanentes, rouge : vignes, violet : tournesol, rose : légumes/fleurs...).

 

Il est ensuite possible de dériver de ce produit des cartes de quantité d'eau dans le sol sur l'ensemble de la zone étudiée.

Représentation de la quantité d'eau dans le sol après calcul du bilan hydrique : le graphique sur le bas de l’image affiche la quantité d’eau présente dans le sol (%) en fonction de la date (jour)).

 

Ces produits modélisés permettent d'estimer en quasi temps réel la quantité d'eau présente dans la zone racinaire du sol de la région étudiée. Cet estimation est importante car elle permet également d'optimiser les apports en eau et ainsi d'économiser cette ressource. Les résultats sont consultables sur le même lien que pour les cartes d'évapotranspiration.

 

Plusieurs campagnes de validation du modèle utilisé dans ce projet ont été menées à Lamasquère et Auradé (les deux sites pilotes du CESBIO) entre 2006 et 2011. Ces études ont permis de tester les performances du modèle utilisé pour modéliser l'évapotranspiration. La figure suivante permet de visualiser la comparaison entre l'évapotranspiration mesurée in situ sur le site test de Lamasquère en 2008 et l'évapotranspiration modélisée.

 

Comparaison entre l'ET observée (courbe noire) et l'ET modélisée (courbe rouge)

.

Face aux nouveaux challenges actuels que sont l'économie de la ressource en eau et la lutte contre le changement climatique et ses répercussions notamment sur le cycle de l'eau, la gestion optimale des ressources en eau est de nos jours un défi important.

Ce travail permet de mieux connaître et appréhender les quantités d'eau évapotranspirées par chaque type de plante à l'échelle d'un bassin versant et ainsi d'estimer les besoins en eaux des bassins versants. La connaissance de l'état hydrique des sols permet également d'optimiser les apports en eau et ainsi d'économiser cette ressource.

Ce travail s’insère dans la perspective de l'arrivée prochaine des images du satellite Sentinel-2 qui permettra d'obtenir des résultats de modélisation encore plus précis du fait de sa période de revisite très courte. La surface opérationnelle sera également accrue : ainsi la fiabilité générale des modélisations sera augmentée.